خوشهبندی سلسلهمراتبی (Hierarchical Clustering)چیست؟
1.مقدمه خوشهبندی (Clustering) یکی از مهمترین شاخههای یادگیری بدون نظارت است که با هدف کشف ساختارهای پنهان در دادهها به کار میرود. در میان روشهای مختلف خوشهبندی، خوشهبندی سلسلهمراتبی (Hierarchical Clustering) جایگاه ویژهای دارد؛ زیرا علاوه بر گروهبندی دادهها، روابط و سطوح شباهت میان نمونهها را نیز در قالب یک ساختار درختی نمایش میدهد. این […]
الگوریتم K-Medoids چیست؟ راهنمای کامل خوشهبندی مبتنی بر مدوید
1.مقدمه الگوریتم K-Medoids یکی از روشهای مهم خوشهبندی در یادگیری بدون نظارت است که با هدف گروهبندی دادههای مشابه و انتخاب نمایندهای واقعی برای هر خوشه طراحی شده است. برخلاف K-Means که مرکز هر خوشه را بر اساس میانگین نقاط تعیین میکند، K-Medoids یک نمونه واقعی از دادهها را بهعنوان مرکز خوشه یا Medoid انتخاب […]
الگوریتم خوشهبندی K-Meansچیست؟
1.مقدمه با رشد روزافزون حجم دادهها، استخراج الگوها و ساختارهای پنهان از دادههای بدون برچسب به یکی از مهمترین چالشهای علم داده و یادگیری ماشین تبدیل شده است. در بسیاری از مسائل واقعی، اطلاعاتی درباره دستهبندی نمونهها در اختیار نداریم و باید با استفاده از روشهای یادگیری بدون نظارت (Unsupervised Learning)، شباهتها و تفاوتهای موجود […]
خوشهبندی (Clustering)چیست؟
1.مقدمه در بسیاری از مسائل دنیای واقعی، دادهها بدون برچسب در اختیار ما قرار میگیرند و هیچ اطلاعاتی درباره گروهبندی یا دستهبندی آنها وجود ندارد. در چنین شرایطی، هدف اصلی کشف ساختارهای پنهان، الگوهای مشترک و روابط موجود میان نمونههاست. خوشهبندی (Clustering) از مهمترین روشهای یادگیری بدون نظارت (Unsupervised Learning) است که با تقسیم دادهها […]